Python - 将多行读取到列表中

Question

大家好，我又卡住了，遇到了一些简单的问题。
我有一个文本文件，每个条目有多行，数据格式如下：

第一行：firstword word word word
第二行：wordx word word word interesting1 word word word word
第三行：wordy word word word
第四行：wordz word word word interesting2 word word word lastword

这个序列大概重复了一百次，其他的单词都一样，只有interesting1和interesting2不同，而且没有空行。interesting2和interesting1是相关的，但和其他的没有关系，我想把这两个有趣的项目连接起来，其他的都丢掉，比如：

interesting1 = interesting2
interesting1 = interesting2
interesting1 = interesting2
等等，每个序列一行。

每一行都以不同的单词开头。
我尝试读取文件，然后用“如果wordx在这一行”这样的语句来识别第一行有趣的内容，切出这个值，再找到第二行（“如果wordz在这一行”），切出这个值，然后把第二个值和第一个值连接起来。
不过这样做很笨拙，我不得不使用全局变量、临时变量等等，我相信一定有办法识别firstword和lastword之间的范围，并把它放到一个单一的列表中，然后一起切出这两个值。

任何建议都非常感谢，感谢你们的时间。

Answer 1

我在这里放了一堆检查，来看看你的数据布局是否正常。

C:\SO>type words.py

# sample pseudo-file contents
guff = """\
firstword word word word
wordx word word word interesting1-1 word word word word
wordy word word word
wordz word word word interesting2-1 word word word lastword

miscellaneous rubbish

firstword word word word
wordx word word word interesting1-2 word word word word
wordy word word word
wordz word word word interesting2-2 word word word lastword
firstword word word word
wordx word word word interesting1-3 word word word word
wordy word word word
wordz word word word interesting2-3 word word word lastword

"""

# change the RHS of each of these to reflect reality
FIRSTWORD = 'firstword'
WORDX = 'wordx'
WORDY = 'wordy'
WORDZ = 'wordz'
LASTWORD = 'lastword'

from StringIO import StringIO
f = StringIO(guff)

while True:
    a = f.readline()
    if not a: break # end of file
    a = a.split()
    if not a: continue # empty line
    if a[0] != FIRSTWORD: continue # skip extraneous matter
    assert len(a) == 4
    b = f.readline().split(); assert len(b) == 9
    c = f.readline().split(); assert len(c) == 4
    d = f.readline().split(); assert len(d) == 9
    assert a[0] == FIRSTWORD
    assert b[0] == WORDX
    assert c[0] == WORDY
    assert d[0] == WORDZ
    assert d[-1] == LASTWORD
    print b[4], d[4]

C:\SO>\python26\python words.py
interesting1-1 interesting2-1
interesting1-2 interesting2-2
interesting1-3 interesting2-3

C:\SO>

Answer 2

在这种情况下，创建一个正则表达式来匹配重复的文本，并为你感兴趣的部分设置分组。这样你就可以使用findall来找到所有有趣的部分interesting1和interesting2。

像这样： import re

text = open("foo.txt").read()
RE = re.compile('firstword.*?wordx word word word (.*?) word.*?wordz word word word (.*?) word', re.DOTALL)
print RE.findall(text)

不过正如评论中提到的，使用islice的方法确实更简洁。

Answer 3

当然可以！请看下面的内容：

这个问题主要是关于如何在编程中处理一些特定的情况。很多时候，我们在写代码的时候会遇到一些错误或者意外的结果，这时候就需要找到解决办法。

在这个讨论中，大家分享了他们的经验和解决方案。有的人提到了一些常见的错误类型，比如说变量没有正确赋值，或者函数没有正确调用。这些都是初学者常常会碰到的问题。

还有人建议使用调试工具，这些工具可以帮助我们一步一步地检查代码，找出问题所在。调试就像是在检查一个拼图，看看哪里放错了。

总之，遇到问题不要慌，大家都经历过这些。多问问题，多尝试，慢慢就能掌握这些技巧了。

from itertools import izip, tee, islice

i1, i2 = tee(open("foo.txt"))

for line2, line4 in izip(islice(i1,1, None, 4), islice(i2, 3, None, 4)) :
    print line2.split(" ")[4], "=", line4.split(" ")[4]